CN109900865A - 一种基于神经网络的空气污染检测系统 - Google Patents
一种基于神经网络的空气污染检测系统 Download PDFInfo
- Publication number
- CN109900865A CN109900865A CN201910261824.7A CN201910261824A CN109900865A CN 109900865 A CN109900865 A CN 109900865A CN 201910261824 A CN201910261824 A CN 201910261824A CN 109900865 A CN109900865 A CN 109900865A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- air pollution
- neural network
- node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Emergency Alarm Devices (AREA)
Abstract
本发明公开了一种基于神经网络的空气污染检测系统,包括传感器组、节点组网模块、数据传输模块、数据融合模块、传感器组工况接入模块、数据特征提取模块、空气污染评估模块。本发明基于数据融合和MapReduce实现了数据的预处理,提高了数据源的准确性,各数据均携带北斗定位信息,在可以获取到各传感器所在位置信息的同时,进一步提高了数据源的准确性;基于不同的天气参数调用不同的BP神经网络模型进行评估,大大的提高了系统的精确度;系统自带传感器工作状态接入评估功能,便于工作人员对传感器工作状态的了解和调控,使用方便。
Description
技术领域
本发明涉及环境监测领域,具体涉及一种基于神经网络的空气污染检测系统。
背景技术
我国空气污染形势严峻,部分城市面临雾霾、沙尘暴等环境问题。环保部门积极开展大气污染治理,其核心是对污染源的精准监测和对污染数据的精准分析,传统的空气污染检测系统普遍存在以下缺陷:(1)监测点位置无法准确获取:(2)监测点工作状态无法实时监测;(3)监测结果未根据天气的情况进行评估等,一定程度降低了监测结果的精确度。
发明内容
为了解决上述问题,本发明提供了一种基于神经网络的空气污染检测系统。
为实现上述目的,本发明具体通过以下技术方案实现:
一种基于神经网络的空气污染检测系统,包括:
传感器组,由若干个传感器节点构成,用于获取待检测环境中的一氧化碳、二氧化氮、臭氧、二氧化碳、烟雾和微粒含量数据;
节点组网模块,用于为传感器节点和协调器节点组网,对节点进行分簇,完成数据的传输;
数据传输模块,用于网络中数据的传输,当簇内节点采集到数据后,首先将采集到的数据发送到对应的簇头节点,然后经簇头节点将数据汇集到网关节点,最后由网关节点将数据传输到上位机显示,完成数据的传输;
数据融合模块,用于采用模糊贴进度算法在上位机的簇头处进行数据的融合;
传感器组工况接入模块,用于接入各传感器节点的工作状态数据;
数据特征提取模块,采用MapReduce对完成融合处理的数据进行特征数据的提取;
空气污染评估模块,基于特征数据采用BP神经网络模型实现当前空气污染情况评估结果的输出。
进一步地,所述节点组网模块为zigbee终端节点和zigbee协调器节点的组网。
进一步地,每个传感器节点内均内载有北斗芯片,用于各传感器节点所在位置数据采集的采集。
进一步地,还包括一传感器组工况评估模块,基于接入的各传感器节点的工作状态数据采用BP神经网络模型实现各传感器工作状态情况的评估,当评估结果落入报警门限时,报警模块启动。
进一步地,所述空气污染评估模块内设有:
天气数据采集模块,用于通过网络爬虫模块在天气预报基站上进行当前天气参数的采集;
BP神经网络模型调用模块,基于所述天气参数进行对应BP神经网络模型的调用。
进一步地,还包括一远程服务器,用于为远程用户的操控提供运行环境。
进一步地,还包括一预警模块,根据空气污染评估模块的评估结果启闭。
进一步地,所述预警模块包括:
语音预警模块,用于根据空气污染评估模块的评估结果进行相应语音预警警示语的调用和播放;
短信预警模块,用于通过短信编辑的方式进行预警短信的发送,所发送的短信至少包括目前的各传感器组所检测到的数据以及空气污染评估模块的评估结果。
进一步地,还包括一数据储存模块,基于所述特征数据为完成融合后的数据在数据库中找到合适的位置,并为其找到相似数据点,建立其与相似数据点之间的关系
本发明具有以下有益效果:
基于数据融合和MapReduce实现了数据的预处理,提高了数据源的准确性,各数据均携带北斗定位信息,在可以获取到各传感器所在位置信息的同时,进一步提高了数据源的准确性;基于不同的天气参数调用不同的BP神经网络模型进行评估,大大的提高了系统的精确度;系统自带传感器工作状态接入评估功能,便于工作人员对传感器工作状态的了解和调控,使用方便。
附图说明
图1为本发明实施例一种基于神经网络的空气污染检测系统的系统框图。
具体实施方式
下面将结合本发明具体的实施例,对本发明技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种基于神经网络的空气污染检测系统,包括:
传感器组,由若干个传感器节点构成,用于获取待检测环境中的一氧化碳、二氧化氮、臭氧、二氧化碳、烟雾和微粒含量数据;
节点组网模块,用于为传感器节点和协调器节点组网,对节点进行分簇,完成数据的传输;
数据传输模块,用于网络中数据的传输,当簇内节点采集到数据后,首先将采集到的数据发送到对应的簇头节点,然后经簇头节点将数据汇集到网关节点,最后由网关节点将数据传输到上位机显示,完成数据的传输;
数据融合模块,用于采用模糊贴进度算法在上位机的簇头处进行数据的融合;
传感器组工况接入模块,用于接入各传感器节点的工作状态数据;数据特征提取模块,采用MapReduce对完成融合处理的数据进行特征数据的提取;
空气污染评估模块,基于特征数据采用BP神经网络模型实现当前空气污染情况评估结果的输出;
传感器组工况评估模块,基于接入的各传感器节点的工作状态数据采用BP神经网络模型实现各传感器工作状态情况的评估,当评估结果落入报警门限时,报警模块启动;
远程服务器,包括应用服务器与数据库服务器,所述应用服务器用于为远程用户的操控提供运行环境,当用户需要远程进行各传感器工作状态查看时,通过Web浏览器即可浏览到所有传感器的工作状态;当用户根据不同情况欲修改传感器工作的状态时,通过浏览器向服务器发送WEB请求,经服务器寻找页面后,将文档即结果传输回Web浏览器给用户,可以实时有效地实现这一操作;与此同时,操作的反馈结果也及时的返回至服务器,达到准确有效的控制目的;所述数据库服务器作为系统的数据库部署中心,所述上位机基于互联网与所述数据库服务器实现通讯,将于将完成数据融合后的数据发送到数据库服务器进行储存,用户通过手机APP注册登录后,通过访问该服务器可以进行其权限内数据的查看。
预警模块,根据空气污染评估模块的评估结果启闭,所述预警模块包括:
语音预警模块,用于根据空气污染评估模块的评估结果进行相应语音预警警示语的调用和播放;
短信预警模块,用于通过短信编辑的方式进行预警短信的发送,所发送的短信至少包括目前的各传感器组所检测到的数据以及空气污染评估模块的评估结果;
数据储存模块,基于所述特征数据为完成融合后的数据在数据库中找到合适的位置,并为其找到相似数据点,建立其与相似数据点之间的关系;所述数据储存模块基于刻面技术来实现数据定位,通过计算不同数据术语间的刻面距离来准确定位数据;在定位数据时,在已知刻面的约束下选择相应的术语,以此来完成对所需数据的描述,如果选择成功,则返回相应的数据;如果选择不成功,则系统将根据同义词词典和概念距离图计算术语的相似性,形成新的定位信息。
本实施例中,所述节点组网模块为zigbee终端节点和zigbee协调器节点的组网。每个传感器节点内均内载有北斗芯片,用于各传感器节点所在位置数据采集的采集。
本实施例中,所述空气污染评估模块内设有:
天气数据采集模块,用于通过网络爬虫模块在天气预报基站上进行当前天气参数的采集;
BP神经网络模型调用模块,基于所述天气参数进行对应BP神经网络模型的调用。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.一种基于神经网络的空气污染检测系统,其特征在于,包括:
传感器组,由若干个传感器节点构成,用于获取待检测环境中的一氧化碳、二氧化氮、臭氧、二氧化碳、烟雾和微粒含量数据;
节点组网模块,用于为传感器节点和协调器节点组网,对节点进行分簇,完成数据的传输;
数据传输模块,用于网络中数据的传输,当簇内节点采集到数据后,首先将采集到的数据发送到对应的簇头节点,然后经簇头节点将数据汇集到网关节点,最后由网关节点将数据传输到上位机显示,完成数据的传输;
数据融合模块,用于采用模糊贴进度算法在上位机的簇头处进行数据的融合;
传感器组工况接入模块,用于接入各传感器节点的工作状态数据;
数据特征提取模块,采用MapReduce对完成融合处理的数据进行特征数据的提取;
空气污染评估模块,基于特征数据采用BP神经网络模型实现当前空气污染情况评估结果的输出。
2.如权利要求1所述的一种基于神经网络的空气污染检测系统,其特征在于,所述节点组网模块为zigbee终端节点和zigbee协调器节点的组网。
3.如权利要求1所述的一种基于神经网络的空气污染检测系统,其特征在于,每个传感器节点内均内载有北斗芯片,用于各传感器节点所在位置数据采集的采集。
4.如权利要求1所述的一种基于神经网络的空气污染检测系统,其特征在于,还包括一传感器组工况评估模块,基于接入的各传感器节点的工作状态数据采用BP神经网络模型实现各传感器工作状态情况的评估,当评估结果落入报警门限时,报警模块启动。
5.如权利要求1所述的一种基于神经网络的空气污染检测系统,其特征在于,所述空气污染评估模块内设有:
天气数据采集模块,用于通过网络爬虫模块在天气预报基站上进行当前天气参数的采集;
BP神经网络模型调用模块,基于所述天气参数进行对应BP神经网络模型的调用。
6.如权利要求1所述的一种基于神经网络的空气污染检测系统,其特征在于,还包括一远程服务器,用于为远程用户的操控提供运行环境。
7.如权利要求1所述的一种基于神经网络的空气污染检测系统,其特征在于,还包括一预警模块,根据空气污染评估模块的评估结果启闭。
8.如权利要求7所述的一种基于神经网络的空气污染检测系统,其特征在于,所述预警模块包括:
语音预警模块,用于根据空气污染评估模块的评估结果进行相应语音预警警示语的调用和播放;
短信预警模块,用于通过短信编辑的方式进行预警短信的发送,所发送的短信至少包括目前的各传感器组所检测到的数据以及空气污染评估模块的评估结果。
9.如权利要求7所述的一种基于神经网络的空气污染检测系统,其特征在于,还包括一数据储存模块,基于所述特征数据为完成融合后的数据在数据库中找到合适的位置,并为其找到相似数据点,建立其与相似数据点之间的关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910261824.7A CN109900865A (zh) | 2019-04-02 | 2019-04-02 | 一种基于神经网络的空气污染检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910261824.7A CN109900865A (zh) | 2019-04-02 | 2019-04-02 | 一种基于神经网络的空气污染检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109900865A true CN109900865A (zh) | 2019-06-18 |
Family
ID=66954290
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910261824.7A Pending CN109900865A (zh) | 2019-04-02 | 2019-04-02 | 一种基于神经网络的空气污染检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109900865A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110440361A (zh) * | 2019-08-27 | 2019-11-12 | 广州商学院 | 一种基于大数据的空气净化系统 |
CN111343279A (zh) * | 2020-03-04 | 2020-06-26 | 兰州理工大学 | 一种基于大数据和云计算的空气污染检测及报警系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999008105A9 (en) * | 1997-08-08 | 1999-05-06 | California Inst Of Techn | Techniques and systems for analyte detection |
CN201594088U (zh) * | 2009-09-11 | 2010-09-29 | 泰豪科技股份有限公司 | 新型室内无线空气质量监测仪 |
CN106529746A (zh) * | 2016-12-29 | 2017-03-22 | 南京恩瑞特实业有限公司 | 基于动力和热力因子的空气质量动态融合统计预报方法 |
CN107300550A (zh) * | 2017-06-21 | 2017-10-27 | 南京大学 | 一种基于bp神经网络模型预测大气重金属浓度的方法 |
CN108469405A (zh) * | 2018-03-15 | 2018-08-31 | 陕西智多搭智能科技有限公司 | 一种空气质量监测系统 |
CN108650648A (zh) * | 2018-04-04 | 2018-10-12 | 云南民族大学 | 一种室内环境监测系统 |
CN108917837A (zh) * | 2018-07-02 | 2018-11-30 | 吉林农业科技学院 | 一种结合建筑环境模拟的室内环境监测系统 |
CN109085295A (zh) * | 2018-08-14 | 2018-12-25 | 张家港江苏科技大学产业技术研究院 | 一种室内外污染物监控系统 |
CN109147963A (zh) * | 2018-08-23 | 2019-01-04 | 西安交通大学医学院第附属医院 | 一种智能心血管内科护理监视系统 |
CN109396953A (zh) * | 2018-12-05 | 2019-03-01 | 上海交通大学 | 基于信号融合的机床工作状态智能辨识系统 |
-
2019
- 2019-04-02 CN CN201910261824.7A patent/CN109900865A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999008105A9 (en) * | 1997-08-08 | 1999-05-06 | California Inst Of Techn | Techniques and systems for analyte detection |
CN201594088U (zh) * | 2009-09-11 | 2010-09-29 | 泰豪科技股份有限公司 | 新型室内无线空气质量监测仪 |
CN106529746A (zh) * | 2016-12-29 | 2017-03-22 | 南京恩瑞特实业有限公司 | 基于动力和热力因子的空气质量动态融合统计预报方法 |
CN107300550A (zh) * | 2017-06-21 | 2017-10-27 | 南京大学 | 一种基于bp神经网络模型预测大气重金属浓度的方法 |
CN108469405A (zh) * | 2018-03-15 | 2018-08-31 | 陕西智多搭智能科技有限公司 | 一种空气质量监测系统 |
CN108650648A (zh) * | 2018-04-04 | 2018-10-12 | 云南民族大学 | 一种室内环境监测系统 |
CN108917837A (zh) * | 2018-07-02 | 2018-11-30 | 吉林农业科技学院 | 一种结合建筑环境模拟的室内环境监测系统 |
CN109085295A (zh) * | 2018-08-14 | 2018-12-25 | 张家港江苏科技大学产业技术研究院 | 一种室内外污染物监控系统 |
CN109147963A (zh) * | 2018-08-23 | 2019-01-04 | 西安交通大学医学院第附属医院 | 一种智能心血管内科护理监视系统 |
CN109396953A (zh) * | 2018-12-05 | 2019-03-01 | 上海交通大学 | 基于信号融合的机床工作状态智能辨识系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110440361A (zh) * | 2019-08-27 | 2019-11-12 | 广州商学院 | 一种基于大数据的空气净化系统 |
CN111343279A (zh) * | 2020-03-04 | 2020-06-26 | 兰州理工大学 | 一种基于大数据和云计算的空气污染检测及报警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210389293A1 (en) | Methods and Systems for Water Area Pollution Intelligent Monitoring and Analysis | |
CN105203718B (zh) | 一种空气质量监测方法和系统 | |
Habibzadeh et al. | Soft sensing in smart cities: Handling 3Vs using recommender systems, machine intelligence, and data analytics | |
CN101719315B (zh) | 一种基于中间件的动态交通信息采集方法 | |
CN115775085B (zh) | 一种基于数字孪生的智慧城市管理方法及系统 | |
CN105513156B (zh) | 一种基于搭载gps和地图信息的智能终端进行巡检工作的方法 | |
CN103258027A (zh) | 基于智能终端的情境感知服务平台 | |
CN105574698A (zh) | 基于大数据下的智能仓储管理系统 | |
CN107454172A (zh) | 基于物联网的环境监测系统 | |
CN109873859A (zh) | 一种校园区域环境空气质量监测系统及方法 | |
CN103701931A (zh) | 一种基于云平台的远程环境数据管理监控系统 | |
EP4114044A1 (en) | Electronic device positioning method and apparatus, and server, system and storage medium | |
CN113163353B (zh) | 一种电源车的智能健康服务系统及其数据传输方法 | |
CN109900865A (zh) | 一种基于神经网络的空气污染检测系统 | |
CN105070058B (zh) | 一种基于实时路况视频的精准路况分析方法及系统 | |
Kalajdjieski et al. | Smart city air pollution monitoring and prediction: A case study of skopje | |
CN105632108A (zh) | 一种结合GPRS和ZigBee网络的泥石流监测及预警系统 | |
Lu et al. | Research on environmental monitoring and control technology based on intelligent Internet of Things perception | |
Dobson et al. | A reference architecture and model for sensor data warehousing | |
Xiahou et al. | Indoor air monitoring system based on Internet of things and its prediction model | |
CN107305734A (zh) | 一种实时交通信息的采集方法和装置 | |
CN106649798B (zh) | 一种基于北斗高精度的结构监测数据对比及关联分析方法 | |
CN203276349U (zh) | 一种自习室人数智能查询装置 | |
CN108551650A (zh) | 一种公交客流采集装置及客流统计方法 | |
Sik et al. | Toward cognitive data analysis with big data environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190618 |
|
RJ01 | Rejection of invention patent application after publication |